load fisheriris
xdata = meas(51:end,3:4);
group = species(51:end);
svmStruct = svmtrain(xdata,group,'showplot',true);
species = svmclassify(svmStruct,[5 2],'showplot',true)
hold on;plot(5,2,'ro','MarkerSize',12);hold off
上面的代码给出了结果---> species = 'virginica'
该物种被归类为“virginica”。这只是一张图片。这个分类过程可以称为“图像检索”吗？？？
或者我们是否必须检索许多图像才能称为图像检索？
【问题讨论】：
标签： image-processing classification svm matlab
图像分类：在称为训练集的数据集上训练模型，然后使用与训练集不相交的数据集进行测试（最重要）。
图像检索：给定一个查询图像，从数据库中获取与查询图像“最接近”的图像。现在，“最接近”这个词可以指颜色、形状、纹理等。那么决定“最接近”的因素 - 图像的特征向量，用户根据为满足其需求而设计的算法进行计算。
分类和检索的主要区别：分类需要训练数据的标签，而检索不需要。检索是一种纯粹基于距离的方法。
现在，继续您的问题：这不会被称为检索，因为它只是告诉我查询图像的类别，而不是为我提供相似的图像。现在你可能会争辩说，如果我对 100 个这样的图像进行分类，如果 50 个属于某个类别，那么在 100 个中分类，那么这些可以被视为相似图像。它是否正确？在我看来，答案是否定的。考虑一个例子，你必须对有车和没有车的图像进行分类。在（完美）分类的情况下，所有 50 张图像肯定都会有汽车。但是在（完美）检索的情况下，所有 50 幅图像都将具有相同颜色的汽车或小型/大型汽车等。这就是区别。
可以说检索到的最高的图像可以作为分类结果。这是可能的。但同样，我们有非常强大的分类算法（例如，SVM、随机森林、Boosting、多实例学习等），但检索的情况并不相同（据我所知）。因此，如果要进行分类，就不会取检索结果靠前的结果，而是始终使用专用算法进行分类。
总而言之，如果一个过程不需要标签并且根据某些属性（颜色、纹理、形状等）进行检索，则该过程称为检索。分类是您需要标签的地方，它是根据类别完成的（例如，汽车/没有汽车、人/没有人、自然/人造等）。
我希望这能澄清你的概念。
【讨论】：